一项由纽约西奈山克雷维斯儿童心脏中心研究人员主导的多中心研究，开发并验证了一种人工智能（AI）工具，可利用常规心电图（ECG）识别接受过法洛四联症修复术的患者中，可能存在心脏结构和功能恶化风险的个体。该研究由美国国立卫生研究院（NIH）资助，成果发表于《欧洲心脏杂志：数字健康》。 法洛四联症是一种先天性心脏病，通常需在儿童期手术修复，但患者需终身监测心脏变化。目前，心脏磁共振成像（MRI）是评估心脏大小和功能的“金标准”，但其检查成本高、耗时长，且在许多地区难以获取，导致大量患者未能按时接受推荐影像检查。 研究团队利用来自法洛四联症修复患者群体的ECG与MRI数据，训练AI模型，识别ECG信号中与心室重塑（即心脏结构和泵血功能变化）相关的模式。该模型在北美五家不同医院的独立队列中得到验证，展现出良好的预测能力。 研究主要发现包括：AI能从常规ECG中捕捉到与MRI所见心脏变化高度相关的信号，有助于早期识别病情进展风险。研究团队强调，该工具并非用于替代心脏MRI，而是作为筛查手段，帮助医生判断哪些患者最需要尽快进行影像学检查。 “这项研究展示了人工智能如何从一次普通的ECG中挖掘出新的临床价值，”论文第一作者、西奈山医学院儿科与人工智能及人类健康助理教授孙杜ong博士表示，“我们的目标是让先天性心脏病患者的终身心脏监测更便捷、更高效。” 研究共同通讯作者、西奈山医疗系统人工智能与人类健康部Barbara T. Murphy主席吉里什·纳德卡尼博士指出：“随着AI在医疗中的深入应用，必须在多样化的临床环境中严格验证其性能。我们的研究既展现了AI筛查的潜力，也凸显了在真实世界部署前进行多中心验证的重要性。” 该技术有望显著改善先天性心脏病患者的长期随访管理，减少漏诊，优化医疗资源使用。研究团队计划开展前瞻性临床试验，进一步优化模型，尤其针对年轻患者，并推动该AI-ECG工具进入常规临床实践。